家人们，有件事，搞了三年多了，现在可以跟大家讲了！
大家都知道我读硕士和博士期间，研究的课题是美容皮肤学方向，特别是痤疮。
在研究期间，我征集了很多痤疮志愿者，用于获取影像和样本等等，并且通过各个维度对痤疮进行评估和分析。
而在研究中，要用到高性能、稳定的面部皮肤记录和分析系统。所以早在2013年，我就买了当时在这个方向上最领先的VISIA系统。
那时，它在我们心中，真的是神一般的存在。
图1 我实验室的VISIA，于2013年10月11日调试完成投入使用
一个偶然的发现，让神走下了神坛
这台系统为我的研究提供了很大的帮助，获取了大量有价值的信息，产生的研究成果也逐步发表在多个杂志上。
但在使用VISIA系统的红色图像模式来量化评估皮肤炎症/毛细血管扩张/潮红的程度时，我发现一个很大的问题，就是：分析的数据不准。最典型的案例见下图：
图2 一位玫瑰痤疮患者的面部潮红情况，肉眼可见有大片的红斑（黑色箭头示），但VISIA系统识别出来的区域只是其中的一小部分（蓝色标示的区域）
我是很震惊的，因为前面谈到，VISIA是本领域当时最先进的仪器，怎么会出现这样的问题呢？这对于皮肤评估来说，是个非常大的问题啊！
我是个好奇心强的人（好奇害死猫啊！），因此，2014年我在进行主要课题之余，开始研究到底是什么原因造成了这样的状况。最终，我发现原来是VISIA的分析软件使用的算法缺陷造成的。
简单地说，它使用了一种叫作阈值分离（thresholding segmentation）的方法，把红斑区域从背景区域中分离出来。具体的原理对非本领域的读者来说可能过于艰涩，此处就暂不深入了。
总之就是它的算法缺陷导致了数据的偏倚，且患者的皮肤越红、炎症程度越重，偏倚就越大。弄清楚原因后，我提出了一种新的算法，并为此进行了模型模拟及数学上的证明，因此还写了一篇论文，2016年发表在Journal of Cosmetic and Laser Therapy上。
图3 16年我发表的论文节选
这篇文章本身不是重点。
重点是让我意识到：不管多高级的仪器，都是人做的。
暴怒中的我，萌生了一个大胆的想法
这种想法在2019年和2020年进一步被强化。
因为用了多年之后，VISIA开始出故障了：有好几次，好不容易征集到的志愿者来到实验室后，VISIA要么卡死了，要么坏了，最频繁的是灯光系统会坏，而配件又要从美国调回来，贵就不说了（一个灯板1.3W元），前后往往要等上个月，十分影响工作进度。
图4 VISIA在使用中突然报错，令人尴尬又暴怒
于是，在暴怒中，我萌生了一个大胆的想法：能不能自己搞一台更领先、更稳定、更精准的、源于中国的皮肤记录和测量系统？就我自己实验室用好了！
我可能是被怒气冲昏了头脑，竟然就开始行动了！
大家知道我本是个养鱼的，硕士才转到临床医学读皮肤科，只在本科的时候辅修过一些计算机和图像处理课程。
作为理科生，讲讲原理，我还能凑合，但这对于搞一个电子+机械+软件+光学的系统来说，就差得远了！
因为一套皮肤测量系统涉及到光学、电子、电气、软件、人体工学设计、机械、制造等等环节，我自己肯定是搞不定的。
于是，我就各种开始寻求在这些方面专长的老师、团队合作。幸运的是，经朋友搭线，还真认识一个团队非常符合所有这些需求。这个团队的创建者是复旦大学毕业的武庆斌博士。
2020年10月，和武博士团队深入相谈后，大家都热血沸腾，我们作出了一个决定：干！我给这个未来的系统取了个名字，叫“Vplus”。
图5 2020年10月19日，武庆斌博士（右）与核心团队成员Rose（左）来我实验室讨论开发计划
困难重重：天不总是遂人愿
紧锣密鼓，这事儿就这么开始了。
说实话，开始之后，我们才知道什么是无知者无畏，因为这个系统实际上是非常复杂的，其困难程度和工作量远远超出我们的预想。
起初，我们希望一年内就完成开发，但实际上到2021年中，只做出来了一个原型机，离一个完（能）备（用）的系统差得还很远。
图6 2021年开发的原型机
但事已至此，硬着头皮也只能上啊！不管花多长时间，花多大代价，都要干出来！（毕竟已经花了这么多钱和时间和力气了是不是）
后来，硬件的问题逐步解决了。轮到软件和算法，要解决的问题就更多了。有的问题比较好解决，比如紫外荧光的量化分析、紫外发色团的量化分析等。
图7 Vplus的紫外荧光分析（完成于2021年9月）
有的问题比较难解决，特别地，皮肤的皱纹问题非常难以识别和量化分析。
我举个简单的例子，像下面这张VISIA的分析图：深绿色的这些线（箭头所示）就被VISIA系统识别为了皱纹。
其实它们是什么呢？你的答案是正确的：头发。
图8 VISIA皱纹分析图
因为VISIA系统使用的是前面所说的阈值分离进行图像中的特征提取，其基本工作原理是基于像素的色彩学特征来进行区分。
具体到皱纹上，在一定光照条件下，皱纹会呈现一根色彩稍暗的线，但如果有一根头发在那儿，也会形成一根暗的线，那么阈值分离就会把这两根暗的线都识别出来——至于它是头发还是皱纹，那就无能为力了。
所以，若我们也延用这种方法，肯定就无法做到“更精准”。该怎么办呢？
奇思妙想，再次突破！
大家又在一起开会讨论。我根据皮肤学的知识，提出来一个思路——面部区域分割算法，在此基础上加上人工智能，那么就可以不仅识别出皱纹，还能判断皱纹的类别，是抬头纹、眉间纹，还是法令纹、眼角纹。
图9 基于不同区域的皱纹标注与特征分析
负责算法的同学一听，觉得这可以，然后就回去建模，在大量的面部图像数据基础上进行分析，把面部打出很多点标记，最终实现了这种分割算法。
图10 Vplus的面部分割算法示意
大家讨论后认为皱纹有其特征性，因此可以针对皱纹开发一种专门的人工智能算法。这时候加入了一位非常能干的小伙伴，毕业于上海理工大学，叫杨明羽，干的就是人工智能。
以这位小伙伴为主，提出了一种专门用于皱纹识别的算法，取名叫Striped WriNet。
简单地说（这段仅供人工智能专业人员阅读，不想读的可以跳到下一段），这种算法是一种基于编码器-解码器结构的语义分割网络，通过引入一个Striped Attention Module（SAM）来实现编码器和解码器的有效连接，SAM充分利用了皱纹条形形状的特征，通过设计Multi-Scale Strip Attention（MSA）和Global Strip Attention（GSA）来进一步提升性能。
MSA采用了多尺度的注意力机制，以增强对细粒度特征的感知，使得那些较短、较小的浅皱纹更容易被关注到。
多尺度特征提取模块由三个不同大小的条形卷积核构成，可以从不同大小的局部区域聚合信息，实现多尺度的特征提取。这种方法有助于更全面地捕捉和分析皱纹的细微差异。（好了，难懂的东西结束了）
然后，经过大量训练和算法的优化，Striped WriNet在皱纹区域的分割方面表现出卓越的效能！
下面就是利用Striped WriNet在真实皮肤照片上识别到的皱纹（请注意：图像上部有一根头发，但它未被识别为皱纹）
图11 Striped WriNet在真实皮肤照片上识别到的皱纹
皱纹光识别出来还不行，还需要量化分析，需要知道它的长短、宽窄，以及：深度。算法团队进一步实现了这些功能，使用不同的颜色来标注深度，从而可以实现对皱纹像素级的深度测量！
图12 Striped WriNet实现了对皱纹深度的像素级标注
在上述量化测试的基础上，还提出了一个新的皱纹衡量指标，叫WI（皱纹指数），该指数综合考虑了皱纹的数量、长度、宽度/面积、深度，可望成为衰老评估的一个可靠、稳定的参数。
为了确认Striped WriNet在皱纹识别方面的可靠性，团队在公有面部数据库和私有面部数据库中进行了验证。结果证明：与现有的其它皱纹识别方法相比，Striped WriNet在准确率上遥遥领先。
这个方法这么好，当然要先申请下专利，再发表一下论文，然后还要整合到Vplus系统中去，更好地服务于皮肤科学研究和化妆品产业发展啦！
所以呢，好消息来了！相关的论文于2023年11月29日被Biomedical Signal Processing and Control杂志接受，于昨天在线发表。
论文由Vplus算法研发负责人杨明羽同学为第一作者，肤焕科技沈颀立先生、灏图品测孙晓莉女士共同参与，我和武庆斌博士为通讯作者。
图13 Striped WriNet算法论文发表
世界领先，遥遥的
其实，Striped WriNet只是Vplus系统研发过程中诸多的进展之一。
Vplus系统所用到的新技术、新算法不胜枚举。
总的来说，Vplus系统已经在皮肤测量和分析系统中处于世界领先地位。可以说，是目前全球同类仪器中最优秀的。
举些简单的例子：
皱纹的测量分析上，有两个主流的方法，分别是Antera3D和Primos系统。
我们来看同一个人的皱纹由这两种系统识别的结果：
图14 原始皮肤照片
图15 Antera3D 识别结果（可见许多较小的皱纹未被识别）
图16 Primos的识别结果(可见有大量的毛孔被误识别，也有一些皱纹未能被识别)
图17 Vplus算法识别的结果（没有误识别，且可标注深度）
Vplus系统进行了全新的光学设计，采用了伺服电机进行自动转向（提升效率）、开放式软件架构（方便拓展）、可进行线上升级、采用人工智能技术（跨越式的技术升级），从而可以实现许多我们以前想都不敢想的功能。
它将会为皮肤学研究、疾病的诊断与评估、化妆品功效评价、医美和美容机构的客户咨询与管理、皮肤状况跟踪等，提供非常重要的价值。
由实验室私用走向量产
我最早的想法，只是想搭建一台仪器自己实验室用。
后来在与化妆品行业和皮肤科的朋友们聊天时，我有时候会跟他们吹吹牛，说说这件事。结果大家说：“好东西你不能私藏啊！要量产出来分享啊！”
考虑到大家都有非常迫切的需求，后来Vplus就进一步向量产的方向走了。
2022年底，Vplus系统终于实现了量产，它长这个样子：
基于我对皮肤学的理解，加上肤焕科技硬件、算法的能力，不断有新的功能可以被开发出来,比如对于痘痘的识别和评估功能在今年上半年也完成了。
未来还会有更多的功能问世。
Vplus量产后，去年底先在少量实验室和医院进行了实际使用（没想到在眼科竟然也有应用价值），以收集问题和反馈，以便改进、迭代。
经过了这一年，仪器已经迭代到V1.3版，现在仪器已经比较成熟和稳定了，又陆续进入数十家医院、功效评价机构和化妆品公司的研发中心（其中包括多家世界500强企业），获得了大家的一致好评。
当然，金无足赤，Vplus必然还有一些需要完善的地方。
但是，它的供应链99%都是国产的，自主可控；又是本土团队，反应非常快速；
软件系统一开始就采用的开放式架构设计，更新迭代十分方便，因此完善进化的速度会非常快。
结语
这就是，我，一不小心参与了一个世界领先的项目的故事。
我想起钱学森老先生的那句话：中国人不比外国人少一个脑袋。
所以，世界皮肤学界应该有中国人制造的高级仪器。
只要努力，我们就一定可以做到，也必将能够用这些仪器更好地服务于科研、生产，造福更广大的人，让大家的生活更加健康、皮肤更加美丽！
同时，有一个idea，我们就应当去做它，不光要发表论文，还要落地变成大家可用的产品和服务，让研究、知识在生产生活中发挥应有的价值。这会让我们的研究更有意义。
最后，热忱欢迎化妆品界、皮肤学界的老师们关注和支持Vplus，让我们共同用科技发现知识、创造价值、构筑未来！Vplus公众号↓↓
作者简介：
理性护肤运动发起人，同济大学皮肤学博士，英语高级口译译员，创办中国第一个私人非盈利性皮肤学实验室，专注于美容皮肤学、皮肤和化妆品的关系研究。
著作：《素颜女神：听肌肤的话》、《享瘦之门》、《听肌肤的话2：问题肌肤护理全书》；
译作：《药妆品》(Cosmeceuticals)第3版、《防晒与光防护临床指南》、《美国皮肤学会痤疮治疗和护理指南(2016版)》；
第一作者论文发表于Experimental Dermatology、Journal of Cosmetic and Laser Therapy、Dermatology、Skin Research & Technology、《临床皮肤科杂志》、《中国皮肤性病学杂志》、《中国美容医学》、《中华皮肤科杂志》等。
微博关注129W+，B站关注46W+，抖音关注47W+，知乎关注44W+，小红书关注34W+
